Що онлайн-магазини помилилися щодо алгоритмів і ШІ

Приблизно під час пандемії COVID-19 у 2020 році групу компаній, що займаються електронною комерцією, прямим продажем моди, особистої гігієни та наборів готової їжі, називали провідними роздрібними продавцями, які переосмислюють досвід онлайн-покупок шляхом кранчінгу дані про поведінку клієнтів.

У 2018 році галузевий торговий журнал RetailDive.com оголосило озеро Катріна «Дисраптор року» за роль засновника та генерального директора Виправлення стібка, модний сайт, який пропонує передплату товарів, кураторами яких є 3,900 стилістів, які працюють неповний робочий день. в стаття, опублікована в Harvard Business Review Приблизно в той самий час Лейк описала свою компанію як «операцію з обробки даних», дохід якої «залежить від чудових рекомендацій від її алгоритму».

Stitch Fix був одним з найбільш помітних прикладів зростання так званих роздрібних продавців коробок для передплати. Список включає роздрібну торгівлю косметичними засобами Birchbox, який «підбирає» та надсилає передплатникам колекцію продуктів на основі попередніх покупок і алгоритмів, які класифікують споживачів за віком, місцезнаходженням та іншими даними. Блакитний фартух, послуга підписки на готові страви, була ще одним помітним учасником.

На початку 2021 року, через три роки після того, як компанія стала публічною, ринкова капіталізація Stitch Fix становила колосальні 10 мільярдів доларів.

Сьогодні, лише через вісімнадцять місяців, акції втратили близько 95% своєї вартості, і компанія втратила Очікується, що він зафіксує перше річне падіння продажів після того, як він став публічним у 2017 році.

Крім того, Блакитний фартух перетворився на ще потворнішу інвестиційну аварію — через п’ять років після того, як його акції дебютували на рівні 140 доларів за акцію, вони торгуються менш ніж за 4 долари.

Чому руйнівники вийшли з ладу?

Як виявилося, попереджувальні знаки були очевидні ще в 2018 році. У статті, яка з’явилася на Quartz.comЛуїс Перес-Брева, викладач і науковий співробітник Інженерної школи Массачусетського технологічного інституту, попередив, що «багато роздрібних торговців забули, що насправді допомагає клієнтам: допомога працівників у магазині».

За словами Перес-Бреви, «щоб отримати чисті дані для машинного навчання (штучного інтелекту або штучного інтелекту), наприклад, багато роздрібних торговців надсилають клієнтам анкети, які комп’ютерам легше обробляти».

Але, каже він, «клієнти — це не штучний інтелект. Більшість ніколи не відповідають на анкети, а багато хто заповнює все, що пам’ятає. Через це роздрібні торговці отримують помилкові … дані».

Також у 2018 році консалтинговий гігант Компанія McKinsey & Co. опитала понад 5,000 споживачів у США про послуги передплати та виявив, що «рівень відтоку високий (майже 40 відсотків) … і споживачі швидко скасовують послуги, які не забезпечують найкращий наскрізний досвід».

У звіті McKinsey зроблено висновок, що «споживачі не мають внутрішньої любові до підписок. У всякому разі, вимога підписатися на повторюваний попит знижує попит і ускладнює залучення клієнтів».

Тим часом кілька науковців писали про ризики, пов’язані зі збором даних про окремих покупців. Споживачеві може бути корисно, щоб роздрібний продавець знав його розмір взуття та улюблений колір. Але що відбувається, коли дані, зібрані ШІ та алгоритмами, включають купівлю протизаплідних таблеток?

Для давнього учасника та спостерігача індустрії роздрібної торгівлі спадає на думку стара сентенція: чим більше речі змінюються, тим більше вони залишаються незмінними. ШІ є потужним інструментом для управління логістикою, запасами та багатьма іншими проблемами управління бізнесом. У випадку передбачення поведінки споживачів деякі з них є цінними, але лише за умови належного використання.

Якщо роздрібні продавці хочуть знати, чого хочуть споживачі, у них є перевірений часом спосіб це з’ясувати — шляхом тестування споживачами продуктів і цін, перш ніж вкладати дорогоцінний капітал. Замість того, щоб обробляти дані на основі минулої поведінки або «курувати» профілі підгруп споживачів на основі машинного навчання, роздрібні торговці можуть точніше прогнозувати тенденції та майбутній попит, використовуючи реальні дані, зібрані в режимі реального часу онлайн з реальними покупцями. І, якщо ви збираєтеся застосувати алгоритм, вам краще бути в змозі знову і знову довести, що він працює.